CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAO

INDUSTRIAL

RAMON RODRIGUES BARROS

SIDIMAR JUNIO DO NASCIMENTO ALMEIDA

PROJETO E IMPLEMENTAO DE UM
CONTROLADOR FUZZY PARA
TEMPERATURA DE TOPO DE UMA COLUNA
DE DESTILAO DIDTICA

Campos dos Goytacazes/RJ

2009
 RAMON RODRIGUES BARROS
SIDIMAR JUNIO DO NASCIMENTO ALMEIDA

PROJETO E IMPLEMENTAO DE UM
CONTROLADOR FUZZY PARA
TEMPERATURA DE TOPO DE UMA COLUNA
DE DESTILAO DIDTICA

Trabalho de Concluso de Curso apresentado ao

Instituto Federal de Educao, Cincia e Tecnologia
Fluminense como parte das exigncias para
concluso do Curso Superior de Tecnologia em
Automao Industrial.

Orientador: Prof. Adelson Siqueira Carvalho, MSc.

CAMPOS DOS GOYTACAZES / RJ

JULHO 2009

ii
 Dados de Catalogao na Publicao (CIP)

B277p Barros, Ramon Rodrigues.

Projeto e implementao de um controlador fuzzy para

temperatura de topo de uma coluna de destilao didtica /
Ramon Rodrigues Barros, Sidimar Junio do Nascimento
Almeida
- Campos dos Goytacazes, RJ : [s.n.], 2009.
41 f.; il.

Orientador: Carvalho, Adelson Siqueira.

Monografia (Tecnologia em Automao Industrial). Centro
Federal de Educao Tecnolgica de Campos. Campos dos
Goytacazes, RJ.
Bibliografia: f. 39 - 41.

1. Automao. 2. Destilao. 3. Sistemas difusos.

I. Almeida, Sidimar Junio do Nascimento. II Carvalho,
Adelson Siqueira, orient. III. Ttulo.

CDD 629.895
 RAMON RODRIGUES BARROS
SIDIMAR JUNIO DO NASCIMENTO ALMEIDA

PROJETO E IMPLENTAO DE UM
CONTROLADOR FUZZY PARA
TEMPERATURA DE TOPO DE UMA COLUNA
DE DESTILAO DIDTICA

Trabalho de Concluso de Curso apresentado ao

Instituto Federal de Educao, Cincia e Tecnologia
Fluminense como parte das exigncias para
concluso do Curso Superior de Tecnologia em
Automao Industrial.

Aprovado em 22 de julho 2009.

Examinadores:

______________________________________________
Prof. Adelson Siqueira Carvalho (orientador)
Mestre em Engenharia de Produo/UENF
Instituto Federal de Educao, Cincia e Tecnologia Fluminense/Campos

______________________________________________
Prof. Helder Siqueira de Carvalho
Mestre em Computao Aplicada e Automao/UFF
Instituto Federal de Educao, Cincia e Tecnologia Fluminense/Campos

______________________________________________
Prof. Carlos Henrique Rodgero Frutuoso
Graduado em Tecnologia em Automao Industrial/IFF-Campos
Instituto Federal de Educao, Cincia e Tecnologia Fluminense/Campos

iii
AGRADECIMENTOS

Aos familiares por estarem incentivando a continuar lutando. Deus, por estar dando fora
para a realizao e concluso deste trabalho e por sempre ter mostrado novos caminhos
quando as dificuldades apareciam.

Ao Professor Adelson Siqueira Carvalho, que orientou e mostrou alternativas aos problemas e
sempre esteve solcito a ajudar e a incentivar a execuo deste trabalho.

iv
 RESUMO

Os processos industriais em geral, so complexos, no lineares e multivariveis. O

controle para esses processos utilizando a teoria clssica apresenta muitas limitaes, pois
existe uma dificuldade em sua modelagem. Surgem ento, metodologias como Sistemas
Fuzzy, que no necessitam de uma modelagem exata, mas, sim que incorpore algum
conhecimento heurstico de como controlar o sistema. Este trabalho visa apresentar o projeto
de um controlador fuzzy monovarivel para controle da temperatura de topo de uma coluna de
destilao didtica, que foi feito utilizando o programa Matlab por possuir um bom
ambiente de simulao de sistemas de controle. Os resultados obtidos foram apresentados de
forma grfica que permite verificar o desempenho do controlador, e de forma numrica que
proporciona a verificao do decrscimo do ndice de desempenho (MSE) ao longo dos testes
realizados, indicando o potencial da metodologia aplicada. No foram feitas comparaes
com outros tipos de controle, pois o objetivo deste trabalho apenas desenvolver um
controlador baseado em lgica fuzzy.

Palavras chave: Coluna de destilao. Controle. Fuzzy.

v
 ABSTRACT

Industrial processes in general, are complex, nonlinear and multivariable. The control
for these processes using the classical theory has many limitations, because there is some
difficulty in modeling them. There then, methodologies like to Fuzzy Systems, which do not
require an exact model, but to incorporate some heuristic knowledge of how to control the
system. This paper aims to present the design of a monovariable fuzzy controller to control
the temperature of top of didactic distillation column, which was done using the program
Matlab to have a good environment for simulation of control systems. The results were
presented in graphical form that shows the performance of the controller, and numerical form
that provides verification of the decline in the index of performance (MSE) over the tests,
indicating the potential of the methodology applied. No comparisons were made with other
types of control, because the objective of this work is only develop a controller based on
fuzzy logic.

Key words: Distillation column. Control. Fuzzy.

vi
 LISTA DE FIGURAS

Figura 2.1 - Coluna de destilao ............................................................................................. 4

Figura 2.2 - Colunas A, B e Panela. ......................................................................................... 5
Figura 2.3 - Vista interna da coluna (Dias e Rios, 2005) ......................................................... 6
Figura 2.4 - Instrumentos interligados em rede Fieldbus .........................................................6
Figura 2.5 - Comparao grfica da lgica booleana e lgica fuzzy ........................................ 7
Figura 2.6 - Unio de dois conjuntos fuzzy. ............................................................................. 9
Figura 2.7 - Interseco de dois conjuntos fuzzy. ..................................................................... 9
Figura 2.8 - Complemento do conjunto fuzzy. ....................................................................... 10
Figura 2.9 - Funo de pertinncia para varivel velocidade. ................................................ 10
Figura 2.10 - Modelo geral em diagrama de blocos de um controlador fuzzy ........................ 11
Figura 2.11 - Exemplo de um valor real com correspondncia em dois valores lingusticos . 12
Figura 2.12 - Converso para varivel numrica empregando centro de rea ........................ 14
Figura 2.13 - Converso para varivel numrica empregando media dos mximos .............. 14
Figura 4.1 - Tela do Syscon .................................................................................................... 21
Figura 4.2 - Tela do Matlab .................................................................................................... 21
Figura 4.3 - Tela do OPCTool com os servidores identificados e desconectados ................. 22
Figura 4.4 - Tela OPCTool com servidores conectatos .......................................................... 22
Figura 4.5 - Tela OPCTool ..................................................................................................... 23
Figura 4.6 - Tela do simulink com o bloco dos itens ............................................................. 23
Figura 4.7 - Tela do simulink com sistema de controle implementado .................................. 24
Figura 4.8 - Tela inicial do Matlab ......................................................................................... 25
Figura 4.9 - Tela de configurao do controlador fuzzy ......................................................... 26
Figura 4.10 - Tela de configurao das funes de pertinncia ............................................. 26
Figura 4.11 - Tela para abrir a janela de elaborao das regras ............................................. 27
Figura 4.12 - Tela para elaborao das regras ........................................................................ 27
Figura 4.13 - Tela para exportar para o workspace o controlador feito ................................. 28
Figura 5.1 - Funes de pertinncia de entrada do teste 1 ..................................................... 29
Figura 5.2 - Funes de pertinncia de sada do teste 1 ......................................................... 30
Figura 5.3 - Tela de criao das regras ................................................................................... 31
Figura 5.4 - Resultado do teste 1 ............................................................................................ 31
Figura 5.5 - Funes de pertinncia de entrada do teste 2 ..................................................... 32

vii
Figura 5.6 - Funes de pertinncia de sada do teste 2 .......................................................... 33
Figura 5.7 - Grfico do resultado modulo partida do teste 2 .................................................. 33
Figura 5.8 - Grfico do resultado do modulo servo do teste 2 ................................................ 34
Figura 5.9 - Funes de pertinncia de entrada do teste 3 ...................................................... 35
Figura 5.10 - Funes de pertinncia de sada do teste 3 ........................................................ 35
Figura 5.11 - Grfico do resultado modulo partida do teste 3 ................................................ 36
Figura 5.12 - Grfico do resultado modulo servo do teste 3 ................................................... 36

viii
 SUMRIO

AGRADECIMENTOS .......................................................................................................... iv

RESUMO.................................................................................................................................. v

ABSTRACT............................................................................................................................. vi

LISTA DE FIGURAS............................................................................................................ vii

CAPTULO I: INTRODUO ............................................................................................. 1

1.1 - APRESENTAO ........................................................................................................... 1
1.2 - OBJETIVO........................................................................................................................ 2
1.3 - MOTIVAO................................................................................................................... 2
1.4 - ORGANIZAO DA MONOGRAFIA .......................................................................... 2

CAPTULO II: FUNDAMENTAO TERICA .............................................................. 4

2.1 - ESCLARECIMENTOS SOBRE A COLUNA DE DESTILAO ................................ 4
2.2 - LGICA FUZZY ............................................................................................................. 7
2.2.1 - CONJUNTOS FUZZY ...................................................................................... 8
2.2.2 - OPERAES COM CONJUNTOS FUZZY ................................................... 8
2.2.3 - VARIVEIS FUZZY....................................................................................... 10
2.3 - CONTROLE FUZZY ..................................................................................................... 11
2.3.1 - FUZZYFICAO ........................................................................................... 12
2.3.2 - BASE DE REGRAS ........................................................................................ 12
2.3.3 - MQUINA DE INFERNCIA ....................................................................... 13
2.3.4 - DEFUZZYFICAO ..................................................................................... 13

CAPTULO III: ESTADO DA ARTE ................................................................................ 15

CAPTULO IV: METODOLOGIA .................................................................................... 19

4.1- TIPOS DE CONTROLE ................................................................................................. 19
4.2 - COMUNICAO ENTRE COLUNA MATLAB ..................................................... 20
4.3 - CONFIGURAO DO CONTROLADOR NO MATLAB ......................................... 25

ix
CAPTULO V: RESULTADOS .......................................................................................... 29

CAPTULO VI: CONCLUSO .......................................................................................... 38

REFERNCIAS..................................................................................................................... 39

x
 CAPTULO I

INTRODUO

1.1 APRESENTAO

Com o passar dos anos, os processos industriais foram se tornando cada vez mais
complexos, no lineares e multivariveis. O controle para esses processos uma rea de
pesquisa em extrema atividade, uma vez que a teoria clssica de controle apresenta muitas
limitaes no tratamento das complexidades inerentes aos processos industriais.
Devido dificuldade da modelagem desses sistemas pode-se entender a importncia
crescente do estudo de metodologias de controle inteligente que no exijam uma modelagem
matemtica exata, mas, sim que incorpore algum conhecimento heurstico de como controlar
o sistema.
Tais metodologias seriam capazes de identificar e controlar uma planta no linear,
atravs do uso de aprendizado e adaptao, ou mesmo pela extrao do conhecimento de um
especialista no controle do processo. Possibilidades surgem atravs de tcnicas de inteligncia
computacional tais como, Redes Neurais Artificiais, Sistemas Fuzzy e Algoritmos Genticos.
A operao de uma coluna de destilao um exemplo de controle no linear, onde a
implementao de seu modelo dinmico exigiria um grande nmero de equaes diferenciais
e algbricas no lineares que comprometem sua resoluo pelos mtodos tradicionais de
anlise de sistemas. O processo de destilao se predomina em indstrias que tem como
essncia a separao de componentes da matria-prima, sendo muito utilizado em usinas de
produo de lcool e em refinarias de petrleo.
Baseado em trabalhos pesquisados, sabe-se que o controlador fuzzy pode ser utilizado
para controlar sistemas multivariveis. Apesar disso, neste trabalho foi utilizado para
controlar um sistema monovarivel, pois s h uma varivel de entrada (erro).
A proposta deste trabalho utilizar a lgica fuzzy para projetar e implementar um
controlador para temperatura de topo de uma coluna de destilao piloto que est em
funcionamento no laboratrio de desenvolvimento e pesquisa em automao do IFF (Instituto
Federal de Educao, Cincia e Tecnologia Fluminense). Este processo foi feito utilizando o
programa Matlab por questo de anlise grfica de resultados e por possuir um bom
ambiente de simulao de sistemas de controle.

1
1.2 OBJETIVO

Este trabalho tem como principal objetivo, apresentar o projeto e a implementao de

um controlador fuzzy monovarivel para controle de temperatura de topo de uma coluna de
destilao didtica, e obter um resultado que seja satisfatrio utilizando tal metodologia.
Como objetivo intermedirio pode-se destacar o domnio do ferramental terico, acerca
de controle fuzzy.

1.3 MOTIVAO

A motivao para o desenvolvimento deste trabalho de graduao surgiu principalmente

pelo fato do controle fuzzy ser de maneira geral de fcil implementao e robusto, podendo ser
utilizado em sistemas complexos, multivariveis e de comportamento no-linear, dando uma
ampla abrangncia de possveis aplicaes.

1.4 ORGANIZAO DA MONOGRAFIA

A monografia est organizada da seguinte forma:

Captulo I Introduo.

Esse captulo fornece uma introduo a respeito dos assuntos que sero abordados ao
longo da monografia, descrevendo de forma sucinta os objetivos, a motivao e como esto
organizados os captulos.

Captulo II Fundamentao Terica.

O segundo captulo se divide em duas partes: primeiramente, ele apresenta

esclarecimentos sobre o processo de destilao e a coluna estudada. Na segunda parte feito
um estudo sobre a lgica fuzzy, descrevendo seus fundamentos, e definindo, conjuntos,
operaes com conjuntos, variveis e controle fuzzy.

2
Captulo III Estado da Arte.

No terceiro captulo abordado o estado da arte, onde so apresentados trabalhos que

utilizam lgica fuzzy. Este captulo tem o intuito de mostrar a ampla aplicabilidade e a
eficincia deste controle.

Captulo IV Metodologia.

Esse captulo apresenta a maneira e os tipos de controle que foram feitos, mostra como
realizada a comunicao entre a coluna e o Matlab e relata como feita configurao do
controlador.

Captulo V Resultado.

Neste captulo so apresentados os testes, os resultados obtidos e brevemente

discutido o ndice de desempenho atravs do MSE que foi calculado e sumariado em uma
tabela.

Captulo VI Concluso.

O ltimo captulo apresenta as concluses em relao ao trabalho desenvolvido, e as

sugestes para trabalhos futuros.

3
 CAPTULO II

FUNDAMENTAO TERICA

2.1 ESCLARECIMENTOS SOBRE A COLUNA DE DESTILAO

A coluna foi construda a partir de um convnio entre a Refinaria Nacional de Sal (Sal
Cisne) e a Escola Tcnica Federal de Campos em 1989. Desde ento, tornou-se fonte de
pesquisa permanente para o estudo e desenvolvimento de sistemas de controle em fabricao
de lcool.
Ela composta por uma nica torre e duas colunas conjugadas, sendo a coluna A (de
retificao do lcool, com graduao entre 92 e 96 GL) sobreposta coluna B (de destilao
inicial, com graduao entre 52 e 92 GL), o que a difere de uma coluna de destilaria
industrial. Outra diferena a de no apresentar subsistemas como refervedor da base da
coluna (cuja funo vaporizar a mistura oriunda do fundo da coluna atravs de transferncia
de calor, realizada por vapor de gua que passa atravs dos tubos) e refluxo de topo (retorno
de parte do produto destilado, para favorecer a produo de lcool e controlar a temperatura).
Vide figura 2.1.

Figura 2.1 Coluna de destilao.

4
 O aquecimento da mistura d-se por meio de uma resistncia eltrica com potncia
mxima de 1000W localizada no interior da base da coluna (panela), e como no h o refluxo
de topo, todo o destilado se encaminha ao condensador por meio de presso interna.
O processo de destilao consiste-se na separao de misturas homogneas, e
baseado na diferena de volatilidade dos lquidos, ou seja, est relacionado aos diferentes
pontos de ebulio dos lquidos.
Para serem realizadas as experincias didticas, utiliza-se uma mistura binria
composta por gua e etanol comercial (lcool hidratado) a uma graduao entre 6 a 10 GL
que introduzida lateralmente na coluna na altura de seu dcimo prato.
Na coluna tm-se ao todo vinte pratos, montados um sobre o outro, onde todos so
perfurados (providos de borbulhadores) e envolvidos por cascos cilndricos. A coluna A
formada pelos cinco cascos menores, a coluna B os cinco maiores e o casco da base a
panela que responsvel pelo aquecimento da mistura binria (Figura 2.2).

Figura 2.2 - Colunas A, B e Panela.

Internamente, a coluna descreve dois fluxos devido diferena de gravidade existente

entre as fases lquida e gasosa. A partir do ponto de alimentao da coluna, o lquido flui no
sentido descendente em forma de cascata, de prato em prato, onde o teor alcolico da mistura
vai diminuindo com o conseqente aumento do ponto de ebulio. Assim que chegar ao fundo
da coluna, onde se encontra a panela, o lquido parcialmente evaporado e o vapor,
reciclado ao ltimo prato da coluna, o lquido restante removido, constituindo o produto de
fundo ou resduo da coluna.

5
 J o vapor flui no sentido ascendente, borbulhando atravs do lquido acumulado em
cada bandeja. medida que o vapor vai subindo seu teor alcolico aumenta e o ponto de
ebulio diminui. No topo da coluna o vapor alcana a temperatura de 78,3C e
consequentemente quase isento de gua. E ento, ele resfriado e condensado em um
condensador de topo, constituindo o produto de topo (destilado) com uma composio de
sada entre 92 e 96 GL (Figura 2.3).

Figura 2.3 - Vista interna da coluna (Dias e Rios, 2005).

Com o objetivo de reproduzir em laboratrio o ambien

te encontrado na indstria, a coluna de destilao possui um sistema de aquisio de dados de
porte industrial. Os instrumentos de medio e atuao das variveis do processo so
interligados em uma rede Foundation Fieldbus (Figura 2.4), um protocolo de comunicao
puramente digital. Atravs de uma DFI (Device Fieldbus Interface) a rede de instrumentos se
integra a uma rede ponto-a-ponto com o computador, onde so disponibilizadas as
informaes oriundas do processo e estas podem ser monitoradas e modificadas atravs do
Syscon (CARVALHO 2008).

Figura 2.4 - Instrumentos interligados em rede Fieldbus

6
 Foi feito at aqui um breve estudo sobre o funcionamento da coluna de destilao do
IFF, a seguir ser visto os fundamentos da Lgica Fuzzy.

2.2 LGICA FUZZY (LGICA NEBULOSA)

A lgica fuzzy uma extenso da lgica booleana (de natureza discreta) e foi proposta
por Zadeh em 1965, para resolver problemas que no so considerados de natureza contnua,
e que a lgica booleana no conseguia tratar.
A diferena entre estas duas lgicas em relao a uma varivel idade demonstrada
nas figuras 2.5 (a) e (b). Considere que uma pessoa dita ser adolescente se sua idade for
entre treze e dezessete anos. As figuras descrevem respectivamente a representao deste
conceito atravs da lgica booleana e lgica fuzzy.

(a) Lgica booleana. (b) Lgica fuzzy.

Figura 2.5 - Comparao grfica da lgica booleana e lgica fuzzy.

A lgica booleana no exprime completamente o conceito de adolescente, pois as

mudanas ocorrem de forma abrupta e desta forma, uma pessoa de doze anos e onze meses
seria considerada totalmente incompatvel a esse conjunto. Uma melhor representao de
transio seria por uma mudana contnua que pode ser obtida atravs de uma representao
fundamentada em lgica fuzzy.
A lgica fuzzy pode ser definida como uma ferramenta capaz de traduzir em termos
matemticos as informaes imprecisas e que esto expressas em termos prximos da
linguagem natural. Considere a seguinte afirmativa: Se o tempo de um investimento longo e
o sistema financeiro tem sido no muito estvel, ento a taxa de risco do investimento muito
alta. Os termos de natureza ligustica "longo", "no muito estvel" e "muito alta" trazem
consigo incertezas e informaes vagas.

7
 O tratamento de expresses que envolvem varivel lingustica como a que foi citada
acima, pode ser realizado atravs da utilizao da lgica fuzzy que, por sua natureza, se baseia
em conceitos de conjuntos fuzzy (NASCIMENTO JR. e YONEYAMA 2000).

2.2.1 CONJUNTOS FUZZY

A teoria dos conjuntos fuzzy em grande parte uma extenso da teoria clssica dos
conjuntos que, por sua vez, o conceito de pertinncia de um elemento a um conjunto fica bem
definido, de modo que o elemento poder assumir apenas duas possibilidades quanto a sua
relao com o conjunto, ou seja, ele ou no elemento do conjunto.
Com base nessa teoria, um conjunto pode ser definido por uma funo geralmente
chamada de funo caracterstica, que declara quais elementos de X so membros do conjunto
e quais no so. Isso pode ser expresso pela funo caracterstica fA:

J na teoria dos conjuntos fuzzy, um objeto pode assumir um valor numa faixa gradual
de pertinncia que varia de 0 a 1, em que, o valor zero representa a no compatibilidade, um a
compatibilidade total, e valores intermedirios mostra o grau que esse objeto pertence a um
conjunto. Dessa forma, os conjuntos fuzzy so definidos por A = {xX | A(x) = , 0 1},
onde A(x): X [0,1] a funo de pertinncia que expressa o quanto um dado elemento x
pertence a A.

2.2.2 OPERAES COM CONJUNTOS FUZZY

Na teoria clssica, quando um elemento x pertence a um conjunto A ou a um conjunto

B, diz-se que x A U B. Quando um elemento x pertence simultaneamente aos conjuntos A e
B, diz-se que x A B. Tambm no caso de conjuntos nebulosos deseja-se fazer associaes
semnticas anlogas e que resultariam em interpretaes teis para expresses do tipo ( ),
( ), (). Portanto, necessita-se que sejam definidas, para conjuntos nebulosos, as
operaes com conjuntos: A U B, A B e Ac (NASCIMENTO JR. e YONEYAMA, 2000).

8
a) Unio ou disjuno dos dois conjuntos fuzzy

A unio ou disjuno dos dois conjuntos fuzzy A e B resulta em um conjunto fuzzy C,

o qual abrange os pontos mximos dos dois conjuntos unidos. Esse conjunto C pode ser
descrito como C = A U B ou C = A ou B, cuja representao dada por:

C(x) = max (A (x), B (x)) = A (x) B (x)

Figura 2.6 - Unio de dois conjuntos fuzzy.

b) Interseco ou conjuno dos dois conjuntos fuzzy

A interseco ou conjuno de dois conjuntos fuzzy A e B utilizada para definir a

regio em comum entre esses dois conjuntos, resultando em um conjunto fuzzy D, este,
descrito como D = A B ou D = A e B, cuja representao dada por:

D(x) = min (A (x), B (x)) = A (x) B (x)

Figura 2.7 - Interseco de dois conjuntos fuzzy.

9
c) Complemento de um conjunto fuzzy

A operao complemento utilizada para definir a funo de pertinncia oposta de um

subconjunto, ou seja, o complemento do subconjunto A, definido como A, formado pelos
pontos opostos de A de dentro do intervalo [0, 1]. Essa operao, quando tratada nos extremos
desse intervalo, equivalente operao negao da lgica booleana (SHHEIBIA, 2001). A
representao dessa operao descrita por:

A (x) = 1 - A

Figura 2.8 - Complemento do conjunto fuzzy.

2.2.3 VARIVEIS FUZZY

Uma varivel fuzzy uma varivel que pode assumir valores em termos lingusticos,
cujos valores so os rtulos dos conjuntos, e cada valor um nmero fuzzy definido pela
funo de pertinncia. Por exemplo, a velocidade de um determinado veculo poderia ser uma
varivel fuzzy assumindo valores como: baixa, media e alta. Estes valores so descritos como
o prprio nome do conjunto e representados por funes de pertinncia conforme mostrado na
figura 2.9.

Figura 2.9 - Funo de pertinncia para varivel velocidade.

10
 Generalizando, os valores de uma varivel lingustica podem ser sentenas em uma
linguagem especificada, construdas a partir de termos primrios (alto, baixo, pequeno, mdio,
grande, zero, por exemplo), de conectivos lgicos (negao no, conectivos e e ou), de
modificadores (muito, pouco, levemente, extremamente) e de delimitadores (como
parnteses).
A principal funo das variveis lingusticas fornecer uma maneira sistemtica para
uma caracterizao aproximada de fenmenos complexos ou mal definidos. Em essncia, a
utilizao do tipo de descrio lingustica empregada por seres humanos, e no de variveis
quantificadas, permite o tratamento de sistemas que so muito complexos para serem
analisados atravs de termos matemticos convencionais (TANSCHEIT R, 2003).

2.3 CONTROLE FUZZY

Sistemas de controle clssico apresentam muitas limitaes para o controle de

processos complexos, no lineares e multivariveis. Essas limitaes existem porque o
sistema de controle clssico se baseia no modelo matemtico, no qual, o sistema descrito
atravs de uma ou mais equaes diferenciais, e devido complexibilidade do processo esse
modelo matemtico se torna difcil de ser obtido e implementado.
A teoria de controle fuzzy capaz de identificar e controlar uma planta no linear sem
que aja um modelo matemtico exato, atravs do uso de aprendizado e adaptao, ou mesmo
pela extrao do conhecimento de um especialista no controle do processo.
A figura 2.10 uma representao em diagramas de blocos da estrutura bsica de um
controlador fuzzy e um modelo geral para a identificao dos mdulos que o compem,
fornecendo uma idia de como funciona o fluxo de informao.

Figura 2.10 - Modelo geral em diagrama de blocos de um controlador fuzzy.

11
2.3.1 FUZZYFICAO

Antes que se suceda qualquer operao com variveis lingustica indispensvel

traduo dos nmeros reais do processo em membros de variveis lingustica com seu
respectivos valores de pertinncia (FULLR, 1995 apud LEITE A. C., 2004). Um s valor
real do processo pode ser membro de mais de um valor lingustico, sendo que, ele ter graus
diferentes de relevncia (LEITE A. C.,2004).
Na figura 2.11, o valor X ao mesmo tempo considerado como normal e alto, porm
em graus diferentes de importncia; simultaneamente 30% alto e 70% normal.

Figura 2.11 - Exemplo de um valor real com correspondncia em dois valores lingusticos.

A fuzzyficao ento, responsvel por associar e transformar os valores reais do

processo em valores sujeitos a manipulao por lgica fuzzy para dar suporte aos passos
seguintes.

2.3.2 BASE DE REGRAS

A principal funo da base de regras representar de uma maneira estruturada a ao

de controle de um operador do processo experiente e/ou de um engenheiro de controle na
forma de um conjunto de regras de produo como: (DRIANKOV et al, 1996)

se (estado do processo) ento (sada de controle)

12
 A parcela se(if) de uma regra, contm uma ou mais condies relacionadas ao estado
do processo chamadas antecedentes, formando uma premissa; a parcela ento (then) contm
uma ou mais aes de controle chamadas consequente.
Para exemplificar a utilizao da base de regras, toma-se o controle de uma caldeira,
onde se estabelece uma relao entre a temperatura interna da unidade com a vazo necessria
de gua para o seu resfriamento, o que produz as seguintes regras:

se temperatura alta ento vazo de gua alta

se temperatura baixa ento vazo de gua baixa
se temperatura estvel ento vazo de gua normal

Aparentemente simplista, o exemplo dado capaz de manter estvel a temperatura em

uma caldeira, desde que os conjuntos difusos nele envolvidos tenham uma definio
condizente com a realidade. O que vale observar que para cada estado do processo
relacionada uma ao de controle (VIEIRA, 1999).

2.3.3 MQUINA DE INFERNCIA

Os dados logo aps serem fuzzyficados, so enviados mquina de inferncia, que

avalia a ao de controle a ser tomada, a partir, do resultado das operaes de conjunto fuzzy
feito com as regras lingusticas acionadas.

2.3.4 DEFUZZYFICAO

Os valores adquiridos na mquina de inferncia so humanamente inteligveis, mas da

forma em que esto no so de grande utilidade ao processo. Ento utilizada a interface de
defuzzyficao, onde os valores lingusticos so mapeados em valores numricos de sada
(BAUCHSPIESS et al, 2002). Obtendo-se um valor discreto que melhor represente o valor
lingustico consequente para que possa ser usado numa ao de controle no mundo real.
Existem vrios mtodos para encontrar a sada do sistema, cabe ento, ao projetista do
sistema de controle utilizar em definitivo o mtodo de defuzzyficao que estabelecer
melhores resultados. Os mtodos mais conhecidos so:

13
 a) Centro de rea (COA)
Este mtodo freqentemente chamado de centro de gravidade, pois ele calcula o
centride da rea composta pelas regras inferidas, que representa o termo de sada ( OUT),

esse termo de sada fuzzy composto pela unio de todas as contribuies de regras
(IVANQUI, 2005). Este foi o mtodo utilizado neste trabalho.

Figura 2.12 - Converso para varivel numrica empregando centro de rea.

b) Mdia dos mximos (MOM)

Representa o valor mdio entre todos os pontos de mximos se existir mais de um
mximo, sendo que no caso de ser nico, o valor defuzzificado a prpria abscissa deste pico:

Figura 2.13 - Converso para varivel numrica empregando media dos mximos.

Esse captulo apresentou conceitos sobre a lgica fuzzy, descrevendo seus

fundamentos, e definindo, conjuntos, operaes com conjuntos, variveis e controle fuzzy. O
prximo captulo, o Estado da Arte, mostrar vrios trabalhos de diversos autores, que
utilizaram lgica fuzzy, evidenciando sua ampla aplicabilidade e eficincia.

14
 CAPTULO III

ESTADO DA ARTE

O controle fuzzy pode ser utilizado tanto para sistemas complexos, multivariveis e de
comportamento no-linear, quanto para sistemas simples, dando uma ampla abrangncia de
possveis aplicaes que esto disponveis em textos cientficos.
FONSECA et al. (1997) descreveram uma avaliao das tcnicas de lgica fuzzy
aplicadas ao controle de um motor de induo trifsico. Foi utilizado o Matlab/Simulink para
realizar a simulao de todo o sistema, e do fuzzytech para projetar o controlador fuzzy. Por
fim, fizeram uma comparao de desempenho entre o controlador fuzzy e o controlador PI.
Atravs da simulao foi confirmada uma melhor peforma-se dinmica do controlador com
lgica fuzzy.
LAZO et al. (1999) abordaram o desenvolvimento de um controlador fuzzy para o
controle de posio de um manipulador robtico com dois graus de liberdade. Como este
sistema apresentava duas entradas e duas sadas, considera-se dois controladores fuzzy
independentes, um para cada brao do manipulador. Aps ajustes heursticos na base de
regras e na forma dos conjuntos, os experimentos realizados mostraram um bom desempenho
dos controladores fuzzy.
DITTZ et al. (2000) mostraram em seu trabalho um problema que era a obstruo das
tubulaes flexveis utilizadas para escoar a produo que comeou a ocorrer quando a
Petrobras passou a produzir em campos de petrleo localizados em guas profundas, essa
obstruo deva-se devido cristalizao do petrleo exposto a baixas temperaturas ento,
desenvolveram um mtodo de desobstruo utilizando a lgica fuzzy para automatizar o
aquecimento eltrico desses tubos. O controle automtico permitiu que as temperaturas
alcanassem o patamar mnimo desejado sem que a temperatura mxima ultrapassasse os
limites dos tubos.
SHHEIBIA (2001) desenvolve um sistema de controle inteligente para um
manipulador robtico, utilizando uma abordagem de agentes inteligentes baseado em lgica
fuzzy. O manipulador constitudo por um brao com trs elos, uma garra e por um tabuleiro
de xadrez mvel (para permitir que a jogada seja realizada numa rea maior). O
posicionamento do brao do rob era baseado na simetria das casas do tabuleiro de xadrez,
fazendo com que pudessem ser realizadas as jogadas. A extenso do sistema com a utilizao

15
e agentes inteligentes permitiu que o brao robtico fizesse a jogada e desviasse de
obstculos, ou seja, de outras peas no tabuleiro. Portanto, a utilizao da tcnica Lgica
Fuzzy proporcionou ao sistema caractersticas de inteligncia e autonomia.
LUNA FILHO et al. (2002) descreveram uma comparao entre as tcnicas de
controle Fuzzy e PI. Os mesmos realizaram o estudo de sistemas no-lineares, tendo
como exemplo um tanque com escoamento turbulento em sua sada. Para projetar e avaliar o
desempenho dos controladores utilizaram como ferramenta de simulao, o ambiente Matlab-
Simulink. Para permitir a avaliao do desempenho do controlador com diversas combinaes
de configuraes possveis, o projeto de controladores fuzzy foi implementado com a: Fuzzy
Logic Toolbox, parte integrante do software MATLAB. Aps os testes foi comprovada a
eficincia da lgia fuzzy para o controle de plantas comprovadamente no-lineares.
FERREIRA e PARANHOS. (2004) descreveram o controle em tempo real utilizando
tcnicas de lgica fuzzy, o mesmo foi aplicado em duas simulaes em cima de exemplos
acadmicos, como pndulo invertido e controle automtico de parada, partida de trens e
sistema de sinalizao de trfego em tneis longos. Este trabalho comprovou o melhor
desempenho de sistemas fuzzy em relao a sistemas convencionais, os quais, geralmente, no
apresentam boas respostas a variaes de parmetros no trfego.
CAMPOS (2005) descreve em seu artigo quatro controladores fuzzy que foram
desenvolvidos na Petrobrs para otimizar o controle e a operao de suas unidades industrias.
O primeiro descrito foi um controlador multivarivel fuzzy para otimizao da operao de
uma plataforma de produo de petrleo (P-19). Este foi implementado com o objetivo de
proporcionar um nvel extra de controle para a planta. O prximo apresentado foi um
controlador fuzzy alocando a carga dos fornos da unidade de destilao. O mesmo foi
projetado para em caso de temperatura alta em um forno, diminuir a vazo de carga alocada
para o mesmo, e aumentar a vazo para os demais fornos. Desta forma, ajudando os outros
sistemas (PIDs e CPM) a operarem de forma otimizada. O penltimo controlador fuzzy
apresentado, utilizado para a otimizao heurstica da injeo de vapor em uma unidade de
destilao, elaborado com o objetivo de seguir uma estratgia de otimizar as vrias injees
de vapor na planta em funo da campanha da unidade. Por fim, foi apresentado um outro
controlador fuzzy cujo objetivo fazer o controle para balanceamento dos passes de um forno
da unidade de destilao a vcuo da LUBNOR Unidade de Lubrificantes do Nordeste, em
Fortaleza. A fim de tentar maximizar o aproveitamento energtico do forno.

16
 BILOBROVEC (2005) apresenta em sua dissertao um sistema especialista baseado
em lgica fuzzy para controle automtico, que tem o objetivo de gerenciar e fazer a
manuteno da qualidade do processo de aerao de gros em silos. apresentado um
prottipo que permite o ensaio com gros de milho e a verificao da necessidade de arear
certa massa destes gros atravs da anlise das condies de temperatura ambiente e da massa
ensilada e da relativa do ar ambiente e dos gros. A implementao das aes de interveno e
controle usa a lgica fuzzy, por esta possibilitar a captura do conhecimento de especialistas.
Por fim, o sistema desenvolvido mostra-se apto a indicar a aerao, sendo assim capaz de
operacionalizar de forma informatizada o controle e gerenciamento automtico do sistema de
aerao.
MORAIS et al. (2005) implentaram um controlador fuzzy para o sistema do pndulo
invertido utilizando para comparao dois mtodos de defuzzificao deferentes: centro de
rea (COA) e centro das somas (COS). O objetivo do trabalho era de equilibrar o pndulo e
estabilizar o carrinho numa posio desejada, os resultados obtidos foram comparados com
um controlador PID. Para ambos os mtodos de defuzzyficao tiveram resultados
satisfatrios, sendo que o COA apresentou menor preciso e mais oscilaes, mas o
controlador fuzzy obteve resultados superiores aos do controlador PID.
BERNARDELI (2005) simulou o controle de velocidade de uma mquina de corrente
contnua utilizando controlador PID e Controlador fuzzy, onde, equacionou-se o motor de
corrente contnua a im permanente obtendo-se as variveis de entrada, sada e determinao
dos parmetros do motor. Posteriormente, foram feitas simulaes de controle e observou-se
que os controladores responderam satisfatoriamente para essa determinada aplicao, ou seja,
para vrios torques diferentes os controladores responderam perfeitamente. Notou-se tambm
que para projetar o controlador fuzzy no se necessitou de um profundo conhecimento
matemtico do sistema e sim, dominar intuitivamente seu funcionamento. J o controlador
PID exigiu uma configurao sistmica maior e a configurao de seus parmetros mais
complexa.
SANTOS et al. (2005) apresentaram o desenvolvimento de um projeto que busca a
racionalizao inteligente de energia com foco no condicionamento trmico predial. Em
experimentos realizados em laboratrios, utilizando um prottipo de automao predial que
emula a incidncia solar diferenciada ao longo do dia, constatou-se uma economia de 25% do
controle fuzzy em comparao com o controle on-off normalmente utilizado em aparelhos de
ar-condicionado de janela.BARROS et al. (2006) buscaram desenvolver uma biblioteca de
lgica fuzzy para implementar o controle em sistemas no-lineares, onde, posteriormente, ser

17
utilizada em microcontroladores/microprocessadores para executar diversas formas de
controle. A biblioteca fuzzy, utilizada neste trabalho, aplicada para realizar o controle do
tempo de sinalizao de um semforo de acordo com o fluxo de carro nas avenidas, podendo
ser aplicada em outras situaes. Na simulao por software, o sistema mostra-se eficiente e
eficaz para atender as exigncias requeridas pelo o usurio.
MARTINS (2007) projetou e implementou um controlador com base em lgica fuzzy
para uma aplicao em tempo real de controle de posio e velocidade de uma esfera rolando
sobre uma plataforma articulada em seu centro de gravidade. O objetivo do controle era levar
a esfera, sobre o plano, de um ponto inicial a um outro previamente determinado. O
sensoriamento de posio foi feito atravs de uma cmera de TV que focaliza o plano da
plataforma, onde a esfera se sobressai por contraste na imagem. Com base nos resultados
obtidos pde-se concluir que os objetivos foram alcanados, mas com algumas limitaes e
podendo ser melhorado.
LIMA e AMORIM. (2007) mostraram em seu trabalho um modelo utilizando lgica
fuzzy para apoio tomada de deciso no controle de trfego areo do aeroporto internacional
de Salvador. Para a validao do mesmo, foi implementado um prottipo utilizando
informaes reais obtidas com pilotos e controladores de trfego areo. Aps anlises,
demonstrou-se que vivel criar ferramentas baseadas em lgica fuzzy para o auxlio
tomada de deciso em controle de trfego areo, desde que estas ferramentas possam ser
amplamente testadas e validadas.
Alguns artigos citados acima, descrevem o desenvolvimento e implementao de
controladores fuzzy, assim como este apresentado, os mesmos tm como objetivo em comum,
otimizar os processos aos quais so empregados. Outros realizam uma comparao de
desempenho entre os tipos de controle, mostrando assim o melhor controle para cada tipo de
aplicao. Mas, vale ressaltar que a proposta deste que apresentado, no fazer a
comparao de desempenho entre os mesmos, mas sim mostrar a eficincia do controle que
usa como base a lgica fuzzy.
Foi observado neste captulo que os sistemas baseados em controle envolvendo Lgica
Fuzzy, tem sido aplicado de maneira ampla nos mais diversos tipos de Indstria. A eficincia
e superioridade do mesmo comprovado em comparaes feitas com os sistemas de controle
tradicionalmente usados (PID, PI e ON-OFF), isso explica o aumento da popularidade desse
sistema de controle no ambiente acadmico, e tambm no industrial. No captulo seguinte ser
descrita a metodologia aplicada neste trabalho.

18
 CAPTULO IV

METODOLOGIA

O controlador fuzzy a ser projetado ser utilizado para controlar a malha superior da
coluna de destilao, tendo a temperatura de topo como varivel controlada e a vazo de
entrada como varivel manipulada. O controle de nvel da malha inferior ficar em
automtico, na qual os instrumentos da rede fieldbus possuem inteligncia para desempenhar
funes especficas, onde, se encarregaro de manter o nvel em aproximadamente 50% do
nvel total da panela.
Como a coluna possui uma dinmica lenta e o workspace do Matlab tem um limite no
armazenamento do nmero de amostragem da aquisio de dados, os testes foram iniciados
somente quando o dcimo prato da coluna atingia 50 C, pois assim, evitariam-se perdas de
informaes.
Aps o dcimo prato da coluna atingir 50 C era dada a partida do controle no Matlab
com o setpoint em 79 C, observava-se o comportamento do controlador enquanto se
registrava todos os dados, aguardava-se at que a temperatura estabilizasse e ento diminua-
se o setpoint para 70 C, novamente observava-se seu comportamento e aguardava-se at que
a temperatura estabilizasse, voltava-se o setpoint para 79 C e mais uma vez aguardava-se at
que temperatura estabilizasse, para ento, desligar o controle.

4.1 TIPOS DE CONTROLE

H trs tipos de controle que deveriam ser executados para mostrar o desempenho do
controlador projetado, so eles: controle de mdulo partida, mdulo servo e mdulo
regulatrio.
Mdulo partida o controle feito para observar o desempenho do controlador
no momento que se d a partida na planta;
Mdulo servo nesse tipo de controle o controlador tem que fazer com que a
sua sada acompanhe as variaes feitas no setpoint.
Mdulo regulatrio diferentemente do mdulo servo, nesse controle se
mantm o setpoint fixo, mas introduz-se uma perturbao no sistema, onde o
controlador deve rejeit-la e manter a sada de controle junta ao setpoint.

19
 Na coluna referente a esse trabalho no h uma perturbao que possa ser injetada no
sistema, pois ela tem apenas uma vlvula de vazo entrada que j utilizada como a varivel
manipulada, sendo impossvel injetar mistura manualmente e manter o controle ao mesmo
tempo, torna-se inexecutvel a realizao de testes de controle de mdulo regulatrio para
serem apresentados nesta monografia.

4.2 COMUNICAO ENTRE COLUNA - MATLAB

Para que as variveis do sistema possam ser visualizadas e modificadas no Matlab,

utilizada uma ferramenta chamada OPCTooL para comunicao com o Syscon, que um
software de configurao dos instrumentos de tecnologia Fundation Fieldbus.
O Syscon se conecta aos dispositivos de campo atravs de uma rede de alta velocidade
denominada HSE, que trabalha de acordo com o modelo TCP/IP, a DFI (dispositivo que
comunica os instrumentos com o PC) possui uma interface de rede padro e um endereo IP.
Basta que o IP da mquina que o Syscon esteja instalado seja da mesma classe e rede que o da
DFI para que se comuniquem. Os parmetros e valores dos instrumentos podem ento ser
alterados on-line pelo Syscon atravs de um servidor OPC que se conecta a DFI para
aquisio dos dados da rede fieldbus (RONALD, 2008).
Aproveitando-se deste servidor OPC instalado e sendo executado no computador que
supervisiona o processo, o Matlab pode estabelecer uma conexo virtual direto com estes
servidores, dessa forma, pode-se visualizar e alterar as variveis do sistema diretamente no
Matlab, e consequentemente sua utilizao para sistemas de controle avanado.
A seguir est o passo a passo para se fazer comunicao da coluna com o Matlab.

Abre-se o programa Syscon e em Project File seleciona-se o arquivo Controle Topo

OK Curso.

20
 Figura 4.1 - Tela do Syscon

A figura acima apresentada o passo seguinte, onde realizado o processo de

comunicao entre a DFI e o Syscon, clicando no boto on no menu superior da tela.
possvel observar na barra de tarefas os dois servidores OPC inicializados. Estes servidores
sero acessados pelo Matlab.

Figura 4.2 Tela do Matlab

21
 Na tela inicial do matlab o comando OPCTool deve ser executado para a inicializao
da ferramenta de comunicao OPC (figura 4.2).

Figura 4.3 Tela do OPCTool com os servidores identificados e desconectados.

A figura 4.3 referente interface do OPCTool j com os servidores OPC

identificados no canto superior esquerdo. Na parte direita da tela possvel verificar o status
dos servidores desconectados.

Figura 4.4 Tela OPCTool com servidores conectatos.

22
 Nesta segunda tela o servidor OPC j est conectado e sua hierarquia de cliente, grupo
e itens pode ser vista no lado direito da tela. Cada item corresponde a um parmetro do
Syscon relativo aos instrumentos da planta.

Figura 4.5 - Tela OPCTool

Na figura 4.5 pode-se visualizar o procedimento para exportaes dos itens

correspondentes aos valores das variveis de processo para o modelo do simulink.

Figura 4.6 Tela do simulink com bloco dos itens.

23
 Nesta tela pode-se ver o bloco no simulink com os itens LT_pa_AI.OUT.VALUE,
FI_AO.OUT.VALUE, TT_top_TRD.PRIMARY_VALUE.VALUE disponveis para
implementao do sistema de controle.

Figura 4.7 Tela do simulink com sistema de controle implementado.

O sistema de controle proposto j implementado no simulink interagindo com o

Syscon atravs dos blocos de leitura e escrita OPC (figura 4.7). A varivel de processo, o
setpoint, e o sinal de controle so exportados para o workspace do Matlab para posterior
gerao dos grficos de desempenho.
Levando em considerao que a vlvula controlada funciona com uma corrente de 4 a
20 mA, e o controlador por causa das regras, em determinados momentos envia sinais com
valores fora da faixa de trabalho dessa vlvula. Colocou-se um saturador na sada do
controlador para que o menor valor de sada seja 4 mA e o maior de 20mA.

24
 4.3 CONFIGURAO DO CONTROLADOR NO MATLAB

Para configurar o controlador criam-se funes pertinncias para entrada e sada

nomeando-as posteriormente. Logo aps, elabora-se as regras. Por fim, o controlador
exportado para o Workspace.
Abaixo ser relatado como feita a configurao do controlador no Matlab.

Figura 4.8 Tela inicial do Matlab

Na tela apresentada digitou-se o comando fuzzy na tela inicial do Matlab para dar
incio configurao do controlador fuzzy (figura 4.8).

25
 Figura 4.9 Tela de configurao do controlador fuzzy
Nesta tela apresentada a entrada e sada do controlador a serem nomeadas (figura
4.9).

Figura 4.10 Tela de configurao das funes de pertinncia.

Aps clicar duas vezes na sada ou na entrada do controlador, abre-se a janela da

funo de pertinncia. Onde se pode atribuir um range para a varivel e fazer alteraes nas
funes de pertinncia (figura 4.10).
26
 Figura 4.11 Tela para abrir a janela de elaborao das regras.
Nesta tela mostrado o caminho aonde se chega tela responsvel pela criao das
regras (figura 4.11).

Figura 4.12 Tela para elaborao das regras.

A figura 4.12 mostra a tela onde so elaboradas as regras do controlador.

27
 Figura 4.13 Tela para exportar para o workspace o controlador feito.

Nesta tela mostrada a ltima etapa de criao do controlador fuzzy que exportar
para o workspace o controlador (figura 4.13).

Este captulo apresentou a maneira e os tipos de controle que foram feitos, mostrou
como realizada a comunicao entre a coluna e o Matlab e relatou como realizada a
configurao do controlador. No captulo seguinte ser visto os resultados dos testes
efetuados.

28
 CAPTULO V

RESULTADOS

Foram feitos trs testes na coluna, todos eles utilizando o software Matlab para
implementao do controlador, verificao dos resultados atravs de grficos, e estimao do
erro mdio quadrtico (MSE do ingls Mean Square Error).
Abaixo sero descritos os resultados dos testes com suas respectivas funes de
pertinncia e regras.

Teste 1:

Para a configurao do controlador, foi intitulada sua entrada de ERRO com um range
de -100 a 100, e criadas cinco funes de pertinncia triangulares, nomeadas de: NG, NP, Z,
PP e PG (figura 5.1). A sada foi chamada de SADA com uma range de -16 a 16, com cinco
funes de pertinncia tambm triangulares e nomeadas de: NG, NP, Z, PP e PG (figura 5.2).

Figura 5.1 Funes de pertinncia de entrada do teste 1.

29
 Figura 5.2 Funes de pertinncia de sada do teste 1.

Logo aps ter criado as funes de pertinncia, foram elaboradas as regras de uma
maneira muito simples. Sempre que o setpoint for maior que a temperatura de topo da coluna,
o erro da entrada do controlador ser positivo, para que esse erro chegue a zero a vlvula de
vazo de entrada de mistura dever se fechar para que a temperatura de topo aumente.
Observado isso, foram criadas duas regras:
Se (Erro PG) ento (Sada NG)
Se (Erro PP) ento (Sada NP)

Sendo o setpoint igual temperatura de topo, o erro ser zero e a sada dever ser
nula, dando ento, origem a uma nova regra:
Se (Erro Z) ento (Sada Z)

Se o erro for negativo (setpoint menor que a temperatura de topo) o controlador

dever abrir a vlvula para que entre mistura na coluna e diminua sua temperatura de topo.
Elaborando-se assim as regras:
Se (Erro NG) ento (Sada PG)
Se (Erro NP) ento (Sada PP)

Para todos os controladores foram utilizadas as mesmas regras, sem nenhuma

alterao (figura 5.3).

30
 Figura 5.3 Tela de criao das regras.

A figura 5.4 apresenta o grfico de resultado do controle mdulo servo do teste 1,

como pode ser visto, as regras esto corretas, pois quando foi dado o degrau para 50 C o erro
aumentou e a vlvula abriu. Entretanto, as funes de pertinncia no foram bem elaboradas,
pois, o erro teve que ser muito grande para que o controlador reagisse e desse uma sada
positiva para abrir a vlvula.

Figura 5.4 resultado do teste 1

OBS.: Os dados do controle de mdulo de partida foram perdidos quando o prprio

matlab sobrescreveu os dados do controle de mdulo servo, e por esse motivo no se tem o
grfico de resultado controle de mdulo de partida.

31
 Teste 2:

Para o segundo teste, o range das variveis e as funes de pertinncia de entrada e

sada foram alteradas.
A temperatura mais alta que a coluna atingiu no primeiro teste foi de 98C e o setpoint
mais baixo utilizado foi 50C, ou seja, o maior erro negativo obtido foi de -48C. Sabendo-se
que o maior erro positivo no ultrapassa 80C, resolveu-se ento, alterar o range da entrada
para -50 a 80.

Figura 5.5 Funes de pertinncia de entrada do teste 2.

As duas funes das extremidades foram modificadas de triangulares para

trapezoidais, e todas foram situadas mais prximas do zero. A funo NG passou a ter
pertinncia 0 em -1,5 de erro e pertinncia 1 de -3 para menos, pois dessa forma, sempre que
o erro for -3 ou menor ele ser considerado negativo grande. De acordo com as regras e as
novas funes de pertinncia de sada, para todo erro negativo grande o controlador dar uma
sada positiva grande que de 20mA, abrindo completamente a vlvula de vazo de entrada
de mistura, ocasionando a queda da temperatura.
O mesmo acontece na funo PG, mas com sinais opostos, pois elas so funes
simtricas, ou seja, sempre que o erro for maior do que +3, ser considerado positivo grande e
o controlador dar uma resposta negativa grande. Mas, como j foi dito anteriormente, a
vlvula controlada funciona com uma corrente de 4 a 20 mA, ento se colocou um saturador
na sada do controlador para que o menor valor de sada seja 4 mA.

32
 Na sada, alterou-se o range para -25 a 30, colocou-se todas as funes do mesmo
tamanho, e a funo Z passou a ter pertinncia 1 em 4, dessa maneira, sendo o erro zero, a
sada ser 4mA (figura 5.6).

Figura 5.6 Funes de pertinncia de sada do teste 2.

Figura 5.7 Grfico do resultado modulo partida do teste 2.

33
 Figura 5.8 Grfico do resultado do modulo servo do teste 2.

Nos grficos das figuras 5.7 e 5.8 so apresentados os resultados do controle mdulo
partida e mdulo servo, respectivamente. E neles tem-se a possibilidade de se ver que com as
novas funes de pertinncia o resultado melhorou significativamente, mas que ainda ficou
um erro de regime permanente de aproximadamente 1,5 C.

Teste 3:

Novamente foram modificadas as funes de pertinncia da entrada deixando-as ainda

mais prximas do zero, com o objetivo de se obter uma resposta mais rpida. Neste teste as
funes NG e PG passaram a ter pertinncia 1 com um erro de -1 ou menor e 1 ou maior,
respectivamente (figura 5.9).

34
 Figura 5.9 Funes de pertinncia de entrada do teste 3.

Foi observado nos testes anteriores que a vlvula de entrada da mistura binria no
tinha uma abertura linear, e ela s comeava a abrir com 9 mA, isso fazia com que a
temperatura da coluna continuasse subindo, mesmo quando havia um sinal de 9 mA na
vlvula, porque, ela ainda estava fechada e sem nenhuma vazo. Com o intuito de melhorar o
resultado, foram modificadas as funes de pertinncias de sada para que quando o erro fosse
zero o controlador mandasse um sinal de 9 mA (figura 5.10), fazendo com que se obtivesse
uma vazo mesmo que o erro fosse pequeno.

Figura 5.10 Funes de pertinncia de sada do teste 3.

35
 Nas figuras 5.11 e 5.12 so apresentados os grficos de resultados do controle mdulo
partida e mdulo servo do terceiro teste. Pode-se ver que o resultado melhorou, mas ainda
assim, ficou um erro de regime permanente pouco menor que 1 C.

Figura 5.11 Grfico do resultado modulo partida do teste 3.

Figura 5.12 Grfico do resultado modulo servo do teste 3.

36
 Foi calculado o MSE para avaliar o ndice de desempenho de todos os resultados dos
testes efetuados (tabela 1).

MSE
Controle mdulo partida Controle mdulo servo
Teste 1 -------- 1.9953e+003 = 40.0767
Teste 2 20.8523 10.0411
Teste 3 14.7126 9.4021
Tabela 1 MSE calculado para todos os testes.

Observa-se na tabela que o MSE diminui significativamente de um teste para outro, ou

seja, houve uma melhora no resultado final, e a partir dos grficos obtidos, percebe-se que
possvel obter-se um resultado satisfatrio utilizando o controle fuzzy na coluna de destilao.

37
 CAPTULO VI

CONCLUSO

O desenvolvimento do sistema de controle fuzzy para a coluna de destilao foi

realizado com xito. A sua implementao foi possvel, devido ao fato do IFF j possuir a
plataforma tecnolgica necessria para os testes na coluna de destilao. O progresso do
sistema e a execuo dos testes operacionais contriburam de forma significativa para o
laboratrio de automao, principalmente por ser o primeiro estudo dos controladores fuzzy.
Apesar de ter sido projetado um sistema de controle fuzzy para a coluna de destilao
piloto presente no laboratrio, os resultados obtidos podem ser generalizados para
equipamentos de porte industrial, por dois motivos: a semelhana da dinmica da planta piloto
e da instrumentao utilizada.
Os resultados foram apresentados de forma grfica e numrica. A observao grfica
permite verificar o desempenho do controlador fuzzy em manter a varivel controlada
(temperatura de topo) prximo ao set-point. A contemplao numrica capaz de
proporcionar a verificao do decrscimo do ndice de desempenho (MSE) ao longo dos testes
realizados.
Como sugesto para trabalhos futuros pode-se destacar o aperfeioamento do
controlador fuzzy para que melhore seu desempenho em regime permanente, retirando o off-
set atravs da incluso de uma nova entrada como a variao do erro e de novas regras de
controle para emular no apenas um controle proporcional, mas sim proporcional e integral.
O objetivo deste trabalho foi apenas desenvolver um controlador baseado em lgica
fuzzy na coluna de destilao em estudo, por esse motivo no foi feita comparaes com os
demais tipos de controle existentes, como: PI, PID e ON-OFF.
Finalmente, considerando que este estudo foi pioneiro sobre controle fuzzy, este
trabalho contribuiu significativamente para o laboratrio de automao no sentido de que
desenvolve uma estratgia de controle avanado.

38
 REFERNCIAS

BARROS, Antnio Carlos S.; ALBUQUERQUE, Victor Hugo Costa de; ALEXANDRIA,
Auzuir Ripardo de. Biblioteca para implementao de controladores utilizando lgica
fuzzy. Revista Tecnologia (UNIFOR), v. 27 n2, 2006, p. 141-149.

BAUCHSPIESS, Adolfo; LUNA FILHO; Fernando M.; GOSMANN, Hugo L. Controle

Fuzzy para Sistema de Nvel de Lquidos. In: CBA2002 - Congresso Brasileiro de
Automtica, 2002, Natal-RN. Anais do CBA2002 - Congresso Brasileiro de Automtica.
Natal, 2002, p. 3017 - 3018.

BERNARDELI, Victor Rgis. Implementao de Controladores Fuzzy para

Acionamentos Eltricos. Monografia (Graduao em Engenharia em Telecomunicaes)
Uberlndia-MG Unio Educacional Minas Gerais, 2005. 52 p.

BILOBROVEC, Marcelo. Sistema Especialista em Lgica Fuzzy para o Controle,

Gerenciamento e Manuteno da Qualidade em Processo de Aerao de Gros.
Dissertao (Mestrado em Engenharia de Produo) Ponta Grossa-PR - Universidade
Tecnolgica Federal do Paran, 2005. 75 p.

CAMPOS, Mrio Cesar Mello Massa. Aplicaes de Controladores Fuzzy na Petrobras.

In: VII Congresso Brasileiro de Redes Neurais, 2005, Natal. VII Congresso Brasileiro de
Redes Neurais.

CARVALHO, Adelson Siqueira. Modelagem de colunas de destilao atravs de modelos

auto-regressivos. Dissertao (Mestrado em Engenharia de Produo) - Campos-RJ -
Universidade Estadual do Norte Fluminense (UENF), 2008. 103 p.

CRESPO, Leandro Souza. Montagem, identificao e modelamento de uma torre de

destilao piloto. Dissertao (Mestrado em Engenharia Eltrica) Vitria-ES
UFES/PPGEE, 2000. 90p.

COUTINHO, Ronald. S.; CARVALHO, Adelson S.; NASCIMENTO Denis B. Sistema de

Comunicao OPC para uma Coluna de Destilao Piloto. In: SEGET2008 Simpsio de
Excelncia em Gesto e Tecnologia, Resende RJ, 2008.

DIAS, Rodrigo da S.; RIOS, Cynttia H. O. Implementao de Sistema de Somutao de

Controladores com Tecnologia Fundation Fielbus em Coluna de Destilao Didtica.
Monografia (Graduao em Tecnologia em Automao Industrial) - Campos-RJ Centro
Federal de Educao Tecnolgica de Campos, 2005.

DITTZ, Carlos H.; TANSCHEIT, Ricardo; VELLASCO, Marley M. B. R.; GONALVES,

Marcelo. Aplicao de Lgica Fuzzy no Controle de Desobstruo de Tubulaes
Flexveis. In: III Workshop Latinoamericano sobre Aplicaciones de la Ciencia en la
Ingeniera del Petrleo, Congreso Produccin 2000, 2000, Iguaz, Provincia de Misiones.
Proceedings of The III Workshop Latinoamericano sobre Aplicaciones de la Ciencia en la
Ingeniera del Petrleo. Iguaz : CDROM - 10 pginas, Instituto Argentino del Petrleo y del
Gas, 2000.

39
DRIANKOV, Dimiter; HELLENDOORN, Hans; REINFRANK, Michael. An Intoduction
to Fuzzy Control. 2. ed. Berlin: Springer Verlag, 1996. 316p.

FERREIRA, Andr G. F.; PARANHOS, Joo P. de S. Controle em Tempo Real por Lgica
Fuzzy. Monografia (Graduao em Engenharia eltrica/eletrnica) Resende-RJ Faculdade
de Engenharia de Resende, 2004. 83 p.

FONSECA, Jaime; AFONSO, Joo; MARTINS, Jlio; COUTO, Carlos. Avaliao da

Aplicao de Tcnicas de Lgica Fuzzy no Controlo de Mquinas Elctricas. Jornadas
Hispano-Lusas de Ingeniera Electrica , 5, Salamanca, 1997. ISBN 84-920984-2-2. vol. 1. p.
261-267.

LAZO, J. G. L.; VARGAS, J. M. P.; TANSCHEIT, R.; VELLASCO, M. M. Controle

nebuloso de um manipulador robtico com ajuste heurstico da base de regras. In:
Encontro Nacional de Inteligncia Artificial, 1999, Rio de Janeiro. Anais do XIX Congresso
Nacional da SBC. Rio de Janeiro, 1999. v. 4. p. 471-480.

LEITE, Alexandre Carvalho. Algoritmo de Controle Baseado em Lgica Fuzzy e Redes

Neurais Artificiais. Monografia (Graduao em Tecnologia em Automao Industrial)
Campos-RJ Centro Federal de Educao Tecnolgica de Campos, 2004. 50 p.

LIMA, Mrio P.; AMORIM, Cludio A. Proposta de um modelo fuzzy para apoio
tomada de deciso no Controle de Trfego Areo do Aeroporto Internacional de
Salvador. [ REIC ] - Revista Eletrnica de Iniciao Cientfica, Ano VII, Nmero I, 2007.

LUNA FILHO, Fernando M.; BAUCHSPIESS, Adolfo; GOSMANN, Hugo L. Controle

Fuzzy para Sistema de Nvel de Lquidos. In: CBA2002 - Congresso Brasileiro de
Automtica, 2002, Natal-RN. Anais do CBA2002 - Congresso Brasileiro de Automtica.
Natal, 2002.

MARTINS, Wander F. Controle Fuzzy em Tempo Real, Aplicado ao Sistema Plataforma-

Esfera. Dissertao (Mestrado em Cincias em Engenharia Eltrica) Rio de Janeiro-RJ
Instituto Militar em Engenharia, 2007. 112 p.

MORAIS, Marcelo H. E.; MURALIKRISHNA, Amita; BRAVO, Ricardo; GUIMARAES,

Lamartine N. F. Um Controlador Nebuloso Aplicado ao Problema do Pndulo Invertido.
In: XXVIII Congresso Nacional de Matemtica Aplicada e Computacional, 2005, So Paulo.
XXVIII CNMAC - Congresso Nacional de Matemtica Aplicada e Computacional. Sociedade
Brasileira de Matemtica Aplicada e Computacional, 2005.

NASCIMENTO JR., Cairo Lcio; YONEYAMA, Takashi. Inteligncia Artificial em

Controle e Automao. 1. ed. So Paulo: Edgard Blcher, 2000. 218 p.

SANTOS, Ronaldo de Jesus; BORGES, Geovany Arajo; MELO, Gustavo Amaral Ferreira
de; BAUCHSPIESS, Adolfo. Controle Fuzzy para Racionalizao de Energia em
Prottipo de Processo Trmico Predial. In: VII SBAI - Simpsio Brasileiro de Automao
Inteligente, 2005, So Lus. Anais do VII SBAI, 2005.

40
SHHEIBIA, Tarig Ali A. Controle de um Brao Robtico Utilizando uma Abordagem de
Agente Inteligente. Dissertao (Mestrado em Informtica) Campina Grande-PB
Universidade Federal da Paraba (UFPB), 2001. 84 p.

TANSCHEIT, Ricardo. Sistemas fuzzy. In: VI Simpsio Brasileiro de Automao

Inteligente, 2003, Bauru, SP. Anais de Minicursos do VI SBAI, 2003. 35 p.

VIEIRA, Rodrigo S. Prottipo de um Sistema de Monitoramento Remoto Inteligente.

Dissertao (Mestrado em Engenharia de produo) Florianpolis-SC Universidade
Federal de Santa Catarina (UFSC), 1999. 147 p.

41